論文の概要: Entanglement-enabled advantage for learning a bosonic random
displacement channel
- arxiv url: http://arxiv.org/abs/2402.18809v1
- Date: Thu, 29 Feb 2024 02:30:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 16:24:48.477728
- Title: Entanglement-enabled advantage for learning a bosonic random
displacement channel
- Title（参考訳）: ボソニックランダムな変位チャネル学習のための絡み合い対応の利点
- Authors: Changhun Oh, Senrui Chen, Yat Wong, Sisi Zhou, Hsin-Yuan Huang, Jens
A.H. Nielsen, Zheng-Hao Liu, Jonas S. Neergaard-Nielsen, Ulrik L. Andersen,
Liang Jiang, John Preskill
- Abstract要約: 量子絡み合いは、ボソニック連続変数系の学習特性において指数関数的に有利であることを示す。
簡単な絡み合わせ支援スキームは、十分な量のスクイーズを条件に、$n$に依存しないサンプル数だけを必要とする。
本研究は, 連続変数システム学習における絡み合いの役割を照らし, 証明可能な絡み合いを生かした実験的な実証を目指している。
- 参考スコア（独自算出の注目度）: 6.543696618354309
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We show that quantum entanglement can provide an exponential advantage in
learning properties of a bosonic continuous-variable (CV) system. The task we
consider is estimating a probabilistic mixture of displacement operators acting
on $n$ bosonic modes, called a random displacement channel. We prove that if
the $n$ modes are not entangled with an ancillary quantum memory, then the
channel must be sampled a number of times exponential in $n$ in order to
estimate its characteristic function to reasonable precision; this lower bound
on sample complexity applies even if the channel inputs and measurements
performed on channel outputs are chosen adaptively. On the other hand, we
present a simple entanglement-assisted scheme that only requires a number of
samples independent of $n$, given a sufficient amount of squeezing. This
establishes an exponential separation in sample complexity. We then analyze the
effect of photon loss and show that the entanglement-assisted scheme is still
significantly more efficient than any lossless entanglement-free scheme under
mild experimental conditions. Our work illuminates the role of entanglement in
learning continuous-variable systems and points toward experimentally feasible
demonstrations of provable entanglement-enabled advantage using CV quantum
platforms.
- Abstract（参考訳）: 量子エンタングルメントはボソニック連続変数(cv)システムの学習特性において指数関数的に有利であることを示す。
私たちが検討するタスクは、ランダム変位チャネルと呼ばれる、n$ボソニックモードに作用する変位演算子の確率的混合を推定することである。
我々は、n$モードが補助的な量子メモリと絡んでいない場合、その特性関数を合理的な精度で推定するために、チャネルを数倍指数的にn$でサンプリングしなければならないことを証明している。
一方、簡単な絡み合わせ支援スキームは、十分な量のスクイージングを条件に、$n$に依存しないサンプルを数個だけ必要とします。
これにより、サンプルの複雑さが指数関数的に分離される。
次に、光子損失の影響を分析し、軽度実験条件下では、エンタングルメント支援スキームは、損失のないエンタングルメントフリースキームよりもかなり効率的であることを示す。
本研究は,連続変数システム学習における絡み合いの役割を照らし,CV量子プラットフォームを用いた実現可能な絡み合い対応の実証実験に向けてのものである。
関連論文リスト
- Sample space filling analysis for boson sampling validation [0.0]
ボソンサンプリング波動関数の本質的な性質から,その充填挙動は古典的シミュレートされた場合と計算的に区別できることを示す。
サンプル空間充填分析に基づく新しい検証プロトコルを提案し,400ドルのモード干渉計に最大20ドルの光子を注入する問題に対して検証を行う。
論文 参考訳（メタデータ） (2024-11-21T12:39:37Z) - Scalable approach to monitored quantum dynamics and entanglement phase transitions [0.0]
観測された量子回路における測定誘起絡み合い相転移は、様々な研究コミュニティの活動を刺激している。
我々は、$U(1)$対称回路にスケーラブルなプロトコルを導入することで解決法を提案する。
論文 参考訳（メタデータ） (2024-06-27T09:59:58Z) - Demonstration of Robust and Efficient Quantum Property Learning with
Shallow Shadows [1.412425180760368]
本稿では,現在の量子コンピューティングプラットフォーム上での量子状態のキャラクタリゼーションのための,頑健な浅層影プロトコルを提案する。
提案プロトコルは, 期待値, 忠実度, 絡み合いエントロピーなどの状態特性を, サンプルの複雑さを低く保ちながら正確に復元する。
この理論的および実験的分析を組み合わせることで、ロバストな浅い影プロトコルは、スケーラブルで堅牢でサンプル効率のよいプロトコルとして位置づけられる。
論文 参考訳（メタデータ） (2024-02-27T21:53:32Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文 参考訳（メタデータ） (2024-02-09T01:11:23Z) - Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。
拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。
本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文 参考訳（メタデータ） (2023-06-09T18:40:55Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Compensating for non-linear distortions in controlled quantum systems [0.0]
実験プラットフォームにおける入力フィールドの歪みはモデルの精度を変化させ、予測されたダイナミクスを乱す。
任意の長さと大きさの非線形伝達関数に適した歪みを推定する有効な方法を提案する。
我々は、単一のRydberg原子系の数値的な例に対して、我々のアプローチをうまくテストした。
論文 参考訳（メタデータ） (2022-10-14T14:02:39Z) - Noise thresholds for classical simulability of non-linear Boson sampling [4.812718493682455]
我々は,高次非線形性を導入し,問題の計算複雑性とプロトコルの雑音に対する堅牢性を高める。
以上の結果から,入出力状態におけるシングルモードKerrの非線形性の追加は,線形光学的進化を維持しつつも,Bosonサンプリングプロトコルがノイズに対してより堅牢であることが示唆された。
論文 参考訳（メタデータ） (2022-02-24T12:17:28Z) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳（メタデータ） (2021-10-11T18:00:20Z) - Towards Sample-Optimal Compressive Phase Retrieval with Sparse and
Generative Priors [59.33977545294148]
O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。
この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
論文 参考訳（メタデータ） (2021-06-29T12:49:54Z) - Assessment of weak-coupling approximations on a driven two-level system
under dissipation [58.720142291102135]
我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。
我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
論文 参考訳（メタデータ） (2020-11-11T22:45:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。